1.一种基于改进的无迹卡尔曼滤波的室内测距定位方法，其特征在于，包括以下步骤：

1)在室内布置n个锚节点，n≥3，用于发射信号，锚节点位置固定，且坐标已知，目标节点作为接收节点，位置可移动，用于接收锚节点发送的RSSI值；

2)选用卡尔曼滤波对接收到的RSSI值进行预处理得出状态向量的最优估计；

3)采用最小二乘法对经过卡尔曼滤波处理过的RSSI值进行数据拟合，得出当前实验环境下的两个环境参数A和m，A为信号传输距离1m远时接收信号的功率，m为与环境有关的路径散逸指数；

4)用改进的无迹卡尔曼滤波方法对RSSI值进行二次处理，得出锚节点和目标节点间的距离值；

所述改进的无迹卡尔曼滤波方法是指基于对数鲁棒函数的无迹卡尔曼滤波改进方法，具体如下：

4-1)无线局域网定位系统是离散非线性系统，待定节点位置不变，状态方程为线性方程：s(k)＝s(k-1)+ω(k)

其中，s(k)表示k时刻锚节点和目标节点间的距离值，ω(k)表示状态误差，假定满足ω(k)～N{0,Q(k)}，Q(k)为k时刻系统过程方差阵；

观测方程是非线性方程：

z(k)＝g(s(k))+υ(k)

其中，z(k)表示k时刻的经过卡尔曼滤波处理过后的RSSI值，υ(k)表示观测误差，满足υ(k)～N{0,R(k)}，R(k)为k时刻的系统观测噪声方差阵，g(s(k))＝A-10mlg(s(k))

4-2)采用对数鲁棒函数对系统过程方差阵进行动态校正，首先构造目标函数ρ(r(k))：其中，c是可调参数，r(k)为k时刻的相对残差值， 为先验测量值，z(k)为实际测量值即k时刻的经过卡尔曼滤波处理过后的RSSI值，σ(k)为测量值标准差；

该鲁棒估计的影响函数ψ(r(k))为：

则对数鲁棒函数的联合权函数I(r(k))为：

4-3)在滤波过程中，取先验测量值 与实际测量值z(k)的相对残差作为r(k)校正系统过程方差阵的估计值，间接地使目标函数最小，因此，将对数鲁棒函数的联合权函数作为系统过程方差阵的修正系数，确定过程噪声方差的校正公式为：其中， 为k时刻校正后的系统过程方差阵估计值， 为k-1时刻的系统过程方差阵估计值；

5)将步骤4)中求得的锚节点和目标节点间的距离值 通过三边测量法估计出未知节点位置坐标。

2.根据权利要求1所述的一种基于改进的无迹卡尔曼滤波的室内测距定位方法，其特征在于，所述步骤2)中，卡尔曼滤波过程具体步骤如下：

2-1)预测状态估计值：

2-2)预测状态误差协方差矩阵：

P(k|k-1)＝φ(k||k-1)+ψ(k|k-1)Q(k-1)ψT(k|k-1)

2-3)修正状态误差协方差矩阵：

P(k)＝[I-KkH(k)]P(k|k-1)其中，Kk＝P(k|k-1)HT(k)[H(k)P(k|k-1)×HT(k)+R(k)]-1

2-4)修正状态估计值，得出状态向量的最优估计：其中: 为已知测量值y(k)时，k时刻的修正状态估计值， 为k时刻的前一刻k-

1时刻的状态估计值， 为用k时刻的前一刻k-1时刻的状态估计值 对k时刻的预测状态估计值，φ(k|k-1)为k-1时刻到k时刻的一步转移矩阵，P(k|k-1)为预测状态误差协方差矩阵，P(k)为修正状态误差协方差矩阵，ψ(k|k-1)为系统噪声驱动矩阵，I为单位矩阵，Kk为卡尔曼增益矩阵，H(k)为k时刻的系统测量矩阵，R(k)为k时刻的系统观测噪声方差阵，Q(k-1)为k-1时刻的系统过程方差阵。

3.根据权利要求1所述的一种基于改进的无迹卡尔曼滤波的室内测距定位方法，其特征在于，所述步骤4-3)中，设定一个阈值η，对系统过程方差阵进行修正，即：If|r(k)|≤η

4.根据权利要求3所述的一种基于改进的无迹卡尔曼滤波的室内测距定位方法，其特征在于，改进的无迹卡尔曼滤波具体步骤如下：

4-a)设定锚节点和目标节点间的初始距离值估计值 和协方差P0：其中，E(s0)表示期望，s0表示k为0时刻时的锚节点和目标节点间的距离值；

4-b)对于给定的k-1时刻锚节点和目标节点间的距离值 和协方差P(k-1)，用U-变换构造2l+1个sigma点，l表示维度，并预测下一状态的锚节点和目标节点间的距离值和协方差矩阵当k>1时，构造2l+1个sigma点如下：式中，χi(k-1)表示k-1时刻第i列的sigma点，i＝0,1,2...2l，λ＝α2(l+k)-l是一个比例因子，α是一个尺度参数，0≤α≤1，k是可调参数， 表示矩阵平方根的第i列，i＝1,2…2l，Ps,k-1表示k-1时刻状态值s的协方差；

下一状态的锚节点和目标节点间的距离值 为：

下一状态的协方差矩阵 为：

下一状态的第i列sigma点 为：

其中，Wi(m)，Wi(c)，i＝0,1,2…2l表示权值；

确定权值：

Wi(m)＝Wi(c)＝1/[2(l+1)],i＝1,2,...2l计算预测sigma点的均值和方差：

If|r(k)|≤η

4-c)测量更新

当获得新的测量值后，对状态均值和方差进行更新：其中，

其中：Pz,k表示k时刻观测值z对应的协方差， 表示测量值更新后k时刻状态均值，Ps(k)表示测量值更新后k时刻状态值s对应的协方差，Psz,k表示状态值和观测值的预测协方差，K表示增益矩阵，